Django全文检索
- 最近在写一个Django电商项目,需要用到全文检索,通过简单的学习,对Django使用第三方全文检索工具做了一个简单总结。
全文检索框架
基本流程
1. 安装需要的包
pip install django-haystack
pip install whoosh
- 注意,安装
django-haystack
时会自动更新Django包的版本(如果Django版本较老),这可能会导致项目出现问题,所以安装完django-haystack
后,记得重新将Django版本安装为创建项目的初始版本。
2. 在settings.py中进行配置
- 在INSTALLED_APPS中注册应用,以及对全文检索框架进行配置
INSTALLED_APPS = (
'haystack',
)
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'haystack.backends.whoosh_backend.WhooshEngine',
'PATH': os.path.join(BASE_DIR, 'whoosh_index'),
}
}
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
HAYSTACK_SEARCH_RESULTS_PER_PAGE = 10
3. 生成索引文件
- 在goods应用(哪个应用需要使用到全文检索就定义在哪个目录下,我这里是商品模块)目录下新建一个search_indexes.py文件,在其中定义一个商品索引类。
from haystack import indexes
from goods.models import GoodsSKU
class GoodsSKUIndex(indexes.SearchIndex, indexes.Indexable):
text = indexes.CharField(document=True, use_template=True)
def get_model(self):
return GoodsSKU
def index_queryset(self, using=None):
return self.get_model().objects.all()
- 在templates下面新建目录search/indexes/goods, 在此目录下面新建一个文件goodssku_text.txt并编辑内容如下。
# 指定根据表中的哪些字段建立索引数据
{{ object.name }} # 根据商品名称建立索引
{{ object.desc }} # 根据商品简介建立索引
{{ object.goods.detail }} # 根据商品的详情建立索引
- 生成索引文件
python manage.py rebuild_index
4. 使用全文检索
urlpatterns = [
url(r'^search', include('haystack.urls')),
]
- 表单搜索时设置搜索方式和链接,设置后,点击搜索按钮时,便会通过 haystack 搜索输出
<form action="/search" method="get">
<input type="text" name="q" placeholder="搜索商品">
<input type="submit" value="搜索">
</form>
- 全文检索的结果,haystack会把搜索出的结果传递给
templates/search
目录下的 search.html
(如果该目录下没有这个文件,会报错,记得创建),传递的上下文包括:
query:搜索关键字
page:当前页的page对象 –>遍历page对象,获取到的是SearchResult类的实例对象,对象的属性object才是模型类的对象。
paginator:分页paginator对象
- 基本配置到这里全文检索功能就能正常使用了,但是因为whoosh对中文的分词程度不是和完美所以推荐使用
jieba
分词模块
5. 使用jieba分词
- 安装jieba分词
pip install jieba
- 找到python环境 haystack/backends/ 目录
- 在 haystack/backends/ 目录下创建ChineseAnalyzer.py文件。
import jieba
from whoosh.analysis import Tokenizer, Token
class ChineseTokenizer(Tokenizer):
def __call__(self, value, positions=False, chars=False,
keeporiginal=False, removestops=True,
start_pos=0, start_char=0, mode='', **kwargs):
t = Token(positions, chars, removestops=removestops, mode=mode, **kwargs)
seglist = jieba.cut(value, cut_all=True)
for w in seglist:
t.original = t.text = w
t.boost = 1.0
if positions:
t.pos = start_pos + value.find(w)
if chars:
t.startchar = start_char + value.find(w)
t.endchar = start_char + value.find(w) + len(w)
yield t
def ChineseAnalyzer():
return ChineseTokenizer()
- 复制
whoosh_backend.py
文件,改名为 whoosh_cn_backend.py
- 打开复制出来的新文件,引入中文分析类
from .ChineseAnalyzer import ChineseAnalyzer
,内部采用jieba分词, 更改词语分析类,由analyzer=StemmingAnalyzer()
改为analyzer=ChineseAnalyzer()
。 - 修改 settings.py中的配置项,
'ENGINE': 'haystack.backends.whoosh_cn_backend.WhooshEngine',
- 重新创建索引数据
python manage.py rebuild_index
小结
- 经过以上配置,一个简单的全文搜索引擎便可以正常使用了。